[Analysis of the effect of neuromuscular electrical stimulation on corticomuscular coupling during standing balance].
Notice bibliographique
Résumé
Neuromuscular electrical stimulation (NMES) has been proven to promote human balance, but research on its impact on motor ability mainly focuses on external physical analysis, with little analysis on the intrinsic neural regulatory mechanisms. This study, for the first time, investigated the effects of NMES on cortical activity and cortico-muscular functional coupling (CMFC) during standing balance. Twelve healthy subjects were recruited in bilateral NMES training, with each session consisting of 60 electrically induced isometric contractions. Electroencephalogram (EEG) signals, electromyogram (EMG) signals, and center of pressure (COP) signals of the foot sole were collected before stimulation, two weeks after stimulation, and four weeks after stimulation while the subjects maintained standing balance. The results showed that NMES training improved subjects' postural stability during standing balance. Additionally, based on the EMG power spectral density (PSD), the κ frequency band was defined, and EEG-EMG time-frequency maximal information coefficients (TFMIC) were calculated. It was found that NMES enhanced functional connectivity between the cortex and lower limb muscles, with varying degrees of increase in β-κ and γ-κ frequency band CMFC after stimulation. Furthermore, sample entropy (SE) of EEG signals also increased after training. The results of this study confirm that NMES training can enhance CMFC and brain activation during standing balance. This study, from the perspective of physiological electrical signals, validates the effectiveness of NMES for balance training and provides objective assessment metrics for the training effects of NMES.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».